AI 시장에서 ‘충성도’는 더 이상 기본값이 아니다. mt.co.kr이 인용한 외신/데이터를 보면, 사용자는 브랜드가 아니라 “당장 내 일을 더 잘해주는 모델”로 이동한다. Larridin 분석에서 Claude가 ChatGPT의 DAU를 추월했다는 신호, RevenueCat 리포트에서 AI 앱의 유료 전환율은 높지만 연간/월간 유지율은 더 낮다는 결과는 한 문장으로 정리된다. 획득은 쉬워졌고, 유지가 더 어려워졌다.
이 변화의 핵심은 전환 비용(switching cost)의 붕괴다. 성능 이슈, 정책 변경, 신뢰 논란 같은 ‘트리거’가 뜨는 순간, 사용자는 구독을 끊는 데 주저하지 않는다. 게다가 검색 시장에서도 네이버-구글 격차가 빠르게 줄어드는 흐름(모바일인덱스)이 보여주듯, 한 번 열렸던 습관의 문도 다시 열린다. 이제 락인을 설계하겠다는 발상은 느리다. 우리는 “이탈이 일상”인 전제를 제품 운영의 기본값으로 깔아야 한다.
맥락을 더 밀어붙이면, 경쟁은 ‘모델 품질’만의 싸움이 아니다. Vietnam.vn이 소개한 구글 Gemini의 ‘메모리 가져오기(Memory Import)’는 사용자의 습관/맥락을 이식해 온보딩 마찰을 줄인다. 이건 단순 기능 추가가 아니라, 시장 전체의 룰을 바꾼다. 메모리가 이동하면 관계도 이동한다. 즉, 앞으로는 “사용자가 떠나기 어렵게”가 아니라 “떠나려는 신호를 빨리 잡아, 떠나기 전에 재가치를 증명하는 구조”가 방어선이 된다.
여기서 시사점은 명확하다. 리텐션은 감(感)이 아니라 조기경보→개입→학습의 반복 실험 루프로 재설계해야 한다. dev.to의 Apify+Google Sheets 워크플로우가 중요한 이유는 ‘거창한 머신러닝’이 아니라, 거의 0에 가까운 비용으로도 이탈 위험을 운영 레벨에서 다룰 수 있음을 보여주기 때문이다. 로그인 간격 증가, 핵심 기능 사용량 감소, 요금제/다운그레이드 페이지 재방문 같은 행동 감쇠는 취소 2~4주 전에 나타난다. 이 구간을 놓치면, 취소 메일은 결과 통지서일 뿐이다.
실행 관점에서의 최소 설계는 간단하다. (1) 우리 제품의 ‘자연 사용 주기’(매일/매주/매월)를 정의하고, (2) 코어 액션 1~2개를 정한 뒤, (3) 최근 14일 사용량과 직전 14일 대비 하락률을 리스크 스코어로 만든다. (4) 스코어 2 이상 계정에만 자동 알림을 보내고, (5) 개입은 세 단계로 쪼갠다: 가벼운 체크인 메시지(막힘 원인 수집) → 템플릿 기반 해결(가이드/예시/워크플로우) → 마지막으로 제한적 인센티브(연장/크레딧) 실험. 핵심은 ‘전원에게 푸시’가 아니라 고위험 구간에만 자본과 시간을 집중하는 것이다.
전망은 더 냉정하다. AI 구독 시장은 앞으로도 환승이 잦아질 가능성이 높다. 성능 격차가 좁혀지고, 메모리/설정/워크플로우 이식이 보편화되면, 사용자는 더 빠르게 이동한다. 따라서 성장팀의 KPI도 바뀐다. 신규 MRR만 보는 회사는 계속 새로 채우다 지친다. 반면 ‘Churn Early Warning 커버리지(얼마나 많은 계정의 위험을 미리 잡는가)’와 ‘Save Rate(개입 후 복구율)’를 운영 KPI로 두는 팀은 같은 마케팅비로 더 오래, 더 크게 성장한다. 환승 시대의 이탈방어는 기능이 아니라 시스템이다—그리고 지금은 그 시스템을 스프레드시트로도 시작할 수 있는 타이밍이다.